시나리오의 확대
제한된 상황의 계획 성능만으로 다양한 일상 문제를 평가하기 어렵다. EgoPlan-Bench2는 여러 영역과 세부 상황으로 범위를 넓혀 모델의 계획 능력을 살핀다.
사례 제작과 검토
일인칭 영상에서 사례를 반자동으로 만들고 수동 확인을 더한다. 자동 구성 단계와 사람의 검토는 서로 다른 역할이므로 자료의 생성 절차를 함께 보아야 한다.
학습 없는 개선 방법
연구는 21개 모델을 평가하고 다중 모달 사고 과정 프롬프트를 조사했다. 가중치를 추가 학습하지 않고 프롬프트 구성으로 계획 응답을 개선하는 접근이다.
비교의 단위
모델 자체의 능력과 추가 프롬프트를 적용한 결과는 조건이 다르다. 새로운 시나리오의 일반화, 계획 응답의 적절성과 실제 실행 성공을 나누어 평가해야 한다.
관련 문서
EgoPlan-Bench / Ego4D / HoloAssist / EgoVoice / EgoVideo / EgoDTM